利用连续表示可视化分析可居住世界课程中的学生行为
人机交互
2018-12-27 v3
摘要
我们介绍了一种新颖的方法，用于在亚利桑那州立大学提供的学位达标在线课程“可居住世界（Habitable Worlds）”中可视化时间点击流行为。目前在数字学习环境中可视化行为的实践是基于领域知识手工设计或编码特征来生成图表。虽然这种方法在将行为与已知现象联系起来方面是有效的，但基于领域知识构建的特征不太可能使未知现象显著，从而可能阻碍发现。我们引入了一种从点击流数据中有机地浮现行为规律的方法论，进行了专家在环的超参数搜索，并识别了预期以及新发现的行为模式。虽然这些可视化技术此前已被更广泛的机器学习社区用于更好地理解神经网络和词向量之间的关系，但我们将其应用于在线学习者行为数据，并更进一步；探索模型参数对产生具体、非平凡行为观测的影响，这些观测为课程设计师和讲师提供了教学改进的建议。本文介绍的方法论促进了对课程中通过和未通过学生行为的更好理解，并广泛适用于调查人员和利益相关者希望有机地浮现主要行为模式的其他点击流活动数据集。
引用
@article{arxiv.1710.06654,
title = {Analysis of Student Behaviour in Habitable Worlds Using Continuous Representation Visualization},
author = {Zachary A. Pardos and Lev Horodyskyj},
journal= {arXiv preprint arXiv:1710.06654},
year = {2018}
}